TY - JOUR T1 - Separation Between Anomalous Targets and Background Based on the Decomposition of Reduced Dimension Hyperspectral Image TT - تفکیک ناهنجاری ها از پس زمینه براساس تجزیه تصویر ابرطیفی کاهش بعد یافته JF - kntu-jgit JO - kntu-jgit VL - 8 IS - 3 UR - http://jgit.kntu.ac.ir/article-1-660-fa.html Y1 - 2021 SP - 21 EP - 38 KW - Anomaly Detection KW - Dimension Reduction & KW - Decomposition of Hyperspectral Image KW - Low-rank Background Matrix KW - Sparse Anomaly Matrix. N2 - کاربرد آشکارسازی ناهنجاری­ در بسیاری از زمینه­های تحقیقاتی، جایگاه ویژه­ای را در میان پردازش­های تصاویر ابرطیفی به ­خود اختصاص داده­است. امروزه بسیاری از روش­های مطرح در این زمینه، تنها از اطلاعات پس­زمینه در راستای تمایزبخشی میان پیکسل­های ناهنجاری­ و پس­زمینه استفاده می­نمایند. این درحالی­است که عواملی همانند نویز و وجود پیکسل­های ناهنجاری در پس­زمینه، فرض تبعیت از توزیع آماری خاص پس­زمینه و هم­چنین تعداد بسیار باندهای تصویر ابرطیفی و همبستگی میان آن­ها، منجر به محدودیت روش­های ارائه شده و ایجاد خطا در آشکارسازی ناهنجاری­ها می­گردد. هدف از این پژوهش، ارائه روش نوین آشکارسازی ناهنجاری­ با قابلیت رفع محدودیت­های مطرح شده می­باشد. در روش پیشنهادی ابتدا تبدیل فوریه سریع (FFT) به عنوان پیش­ پردازش الگوریتم آشکارسازی ناهنجاری بر تصویر اعمال می­شود. استفاده از این تکنیک کاهش بعد خطی، علاوه بر بهبود عملکرد الگوریتم آشکارسازی، قادر به کاهش قابل توجه حجم محاسبات نیز خواهدبود. در ادامه با تجزیه تصویر ابرطیفی کاهش بعدیافته به ماتریس پایین ­مرتبه پس­ زمینه و ماتریس خلوت ناهنجاری، علاوه بر جداسازی نویز از سیگنال­های موجود در تصویر، می­توان از هر دو مولفه پس­ زمینه و ناهنجاری به­ منظور استخراج اطلاعات استفاده نمود. در واقع با تفکیک مولفه ناهنجاری از پس­ زمینه، از اثر وجود پیکسل­های ناهنجاری در پس­ زمینه کاسته شده و تنها از این ماتریس به­ منظور استخراج اطلاعات و ویژگی­های آماری پس ­زمینه استفاده می­گردد. هم­چنین به کارگیری فاصله ماهالانوبیس وزن­دار براساس معیار میانه در روش تجزیه پیشنهادی، توانسته به هر پیکسل، وزنی را متناسب با مرکز پس­ زمینه اختصاص داده و بدین­ترتیب نتایج آشکارسازی ناهنجاری را بهبود بخشد. پیاده­سازی الگوریتم پیشنهادی بر تصاویر ابرطیفیCenter Pavia وUniversity Pavia و مقایسه نتایج حاصل از آن­ها با دیگر روش­های متداول در این زمینه، نشان از عملکرد بهتر تکنیک پیشنهادی در آشکارسازی پیکسل­های ناهنجاری از فضای پس ­زمینه داشته ­است. M3 10.52547/jgit.8.3.21 ER -